当你负责两个商品，不管是从0-1的捏造，却是站在宋人的手臂上对现有商品进行插值，都须要有两个优劣的推论国际标准，这样才能让那个商品走的更远。同样，对于两个统计数据科枫类的商品或是利用Tableau等BI工具构筑了两个Dashboard网页，你知道该怎么推论它究竟做的是好却是坏呢？只有了解这些，才能更快地规划和设计两个统计数据科枫商品。

一、五大核心理念潜能

统计数据发掘类商品的功能定位是通过将统计数据建模、信息技术，为统计数据化管理提供关键切入点。其关键是要创建五大核心理念潜能。要推论两个BI建模商品的优劣时，主要就从这四个各方面看，当前还缺乏什么样潜能。

统计数据浏览。如果统计数据商品逗留在那个阶段，其存在感和商业价值度就极低，即使销售业务他们还须要花大量的时间伊瓦诺加工和预测，他们会觉得，他们的工作更费时，至于从这儿取的数，没所以关键。

成本的传播方式之外，还须要能帮助使用者辨认出和功能定位难题。比如说DAU分项今天看100W，今晚打开看见是120W，虽然每天看见了不同的形式化位数，但无人知晓究竟是并非难题，并非每个销售业务都有所以强的统计数据敏感性。

所以，使用者希望的是，你那个统计数据商品可以直接告诉他统计数据是并非难题，而并非要他他们根据实战经验推论（有些后辈没实战经验）。在难题辨认出各方面，主要就是要创建一些参照对照的国际标准，例如，和历史同期比（环比、环比），和目标KPI对照，与行业对照等。

辨认出难题后，还需具备发掘其原因的潜能，比如说昨天DAU分项环比下降50%，远远超过了正常的共振频率范围，所以究竟是这儿出了难题，是某一地区即使禽流感影响，却是某一商品发布新功能除了Bug。却是某一网络流量平台耗用花掉没钱导入了？须要提供直观的其原因解释，或是至少要构建支持使用者交互式多维预测的潜能，可以让销售业务人员他们由果索因。

统计数据发掘商品的目标是为了改善决策，赋能决策，所以须要为销售业务行动改善提供指导建议。如果只是看一眼统计数据，就没有然后了，所以就没有起到统计数据赋能的作用。例如，DAU分项下降，通过预测辨认出主要就是纯新网络流量下滑，拉新潜能不足。建议在XX、XX等使用者留存质量高的渠道，增加导入预算。

二、六项基本原则

在做统计数据建模商品设计时，须要遵循以下基本原则，才能更快实现五大潜能。

规模等角度全面了解公司经营健康状况，分项宏观且覆盖全面，而对于运营部门，主要就背使用者相关KPI，所以在做报表商品设计时，要充分考虑目标使用者和统计数据化管理目标。

你希望使用者沿着什么预测路子使用你那个商品。统计数据商品经理的潜能维度之一是统计数据发掘潜能。它和统计数据发掘师岗位的边界在于，要把常用的预测路子抽象融合到商品流程当中，让更多原来不懂统计数据发掘的人，可以借助商品而“人人都会统计数据发掘”。所以你的预测路子是什么呢？聚焦于销售业务流程的分项体系，分项之间的逻辑关系是什么，订单量或转化率下降，主要就是哪个分项影响，在哪个维度的表现更为突出？

围绕核心理念KPI，分项呈现是否主次分明，是毫无关系的分项堆砌，却是分级分类重点突出？核心理念内容高优首屏展现，次优内容通过分项选择或tab切换方式，引导使用者按需深入预测。避免所有内容平铺造成内容过载，重点失焦。

统计数据商品须要具备将统计数据信息技术、知识化的潜能。单纯的统计数据并非信息，只有结合销售业务场景加工处理后可以直接为使用者提供决策帮助的才是信息。比如说订单量环比下降50%，却是统计数据，而增加：仅近七天环比逐步增大，禽流感恢复逐步好转。就是两个信息。

位数化转型的目标之一是实现统计数据的民主化，就是人人都可用统计数据，统计数据和商品的使用门槛要足够的低，所以在设计对应的商品时，基于预测路子，提供一线店员、销售都可使用的商品流程，从而才能实现自上而下的统计数据化管理。

除了被动地等待使用者来访问商品查看和预测统计数据外，还可以通过统计数据订阅推送、分项波动预警等功能，及时主动为使用者提供统计数据决策潜能，增强使用者对统计数据的依赖度。

三、常见难题

以下列举统计数据建模产品常见的难题，后续文章会详细整理统计数据建模商品设计常见坑点，这样你在预测评价别人的商品才能提出更具建设性的建议。也作为他们设计商品时的自查表。敬请期待。

专栏作家

人都是商品经理专栏作家。专注统计数据中台商品领域，覆盖开发套件，统计数据资产与统计数据治理，BI与统计数据建模，精准营销平台等统计数据商品。擅长大统计数据解决方案规划与商品方案设计。

责任编辑原创发布于人人都是商品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

该文观点仅代表作者本人，人人都是商品经理平台仅提供信息存储空间服务。